1 单引号,双引号,三引号的区别
题目:分别阐述3种引号用的场景和区别
1. 单引号和双引号主要用来表示字符串
比如:
单引号:'python'
双引号:"python"
2. 三引号
三单引号:'''python ''',也可以表示字符串一般用来输入多行文本,或者用于大段的注释
三双引号:"""python""",一般用在类里面,用来注释类,这样省的写文档,直接用类的对象__doc__
访问获得文档
区别:
若你的字符串里面本身包含单引号,必须用双引号
比如:"can't find the log\n"
2 Python的函数参数传递
题目:举例说明Python函数参数传递的几种形式,并说明函数传参是值传递还是引用传递
1. Python的参数传递有:
- 位置参数
- 默认参数
- 可变参数
- 关键字参数
2. 函数的传值到底是值传递还是引用传递,要分情况:
-
不可变参数用值传递:
像整数和字符串这样的不可变对象,是通过拷贝进行传递的,因为你无论如何都不可能在原处改变不可变对象 -
可变参数用引用传递:
比如像列表,字典这样的对象是通过引用传递,和C语言里面的用指针传递数组很相似,可变对象能在函数内部改变.
3. 具体例子:
#整数为不可变对象,用值传递
a = 1
def fun(a):
a = 2
fun(a)
print a # 1
#列表为可变对象,用引用传递
a = []
def fun(a):
a.append(1)
fun(a)
print a # [1]
3 lambda函数
题目:举例说明lambda的用法,并说明用lambda的优点
1. lambda的用法
lambda是匿名函数,用法如下: lambda x,y : x+y
, 冒号前的x
,y
为自变量,冒号后x+y
为具体运算。
2. lambda的优点:
lambda能和def做同样种类的工作,特别是对于那些逻辑简单的函数,直接用lambda会更简洁,而且省去取函数名的麻烦(给函数取名是个技术活)
4 字符串格式化:%和.format的区别
题目:说明字符串格式化方法%和.format的区别
1. 字符串格式化: .format
字符串的format函数非常灵活,很强大,可以接受的参数不限个数,并且位置可以不按顺序,而且有较为强大的格式限定符(比如:填充,对齐,精度等)
具体用法如下,字符串中花括号 {}
的部分会被format
传入的参数替代,传入的值可以是字符串,也可以是数字或者别的对象。
>>> '{} {} {}'.format('a', 'b', 'c')
'a b c'
可以用数字指定传入参数的相对位置:
>>> '{2} {1} {0}'.format('a', 'b', 'c')
'c b a'
还可以指定传入参数的名称:
>>> '{color} {n} {x}'.format(n=10, x=1.5, color='blue')
'blue 10 1.5'
可以在一起混用:
>>> '{color} {0} {x} {1}'.format(10, 'foo', x = 1.5, color='blue')
'blue 10 1.5 foo'
可以用{<field name>:<format>}
指定格式:
>>> from math import pi
>>> '{0:10} {1:10d} {2:10.2f}'.format('foo', 5, 2 * pi)
'foo 5 6.28'
2. 字符串格式化: %
旧式的 %
方法进行格式化,具体规则与C中相同。
>>> s = "some numbers:"
>>> x = 1.34
>>> y = 2
>>> # 用百分号隔开,括号括起来
... t = "%s %f, %d" % (s, x, y)
>>> t
'some numbers: 1.340000, 2'
5 写函数: 输入一个字符串, 返回倒序排列的结果
题目:输入: string_reverse(‘abcdef’), 返回: ‘fedcba’,写出你能想到的多种方法
1. 利用字符串本身的翻转
def string_reverse1(text='abcdef'):
return text[::-1]
2. 把字符串变成列表,用列表的reverse函数
def string_reverse2(text='abcdef'):
lst = list(text)
lst.reverse()
return ''.join(lst)
3. 新建一个列表,从后往前取
def string_reverse3(text='abcdef'):
lst = []
for i in range(len(text)-1, -1, -1):
lst.append(text[i])
return ''.join(lst)
4. 利用双向列表deque中的extendleft函数
from collections import deque
def string_reverse4(text='abcdef'):
d = deque()
d.extendleft(text)
return ''.join(d)
5. 递归
def string_reverse5(text='abcdef'):
if len(text) <= 1:
return text
else:
return string_reverse5(text[1:])+text[0]
6 按升序合并两个list, 并去除重复的元素
题目:按升序合并如下两个list, 并去除重复的元素
list1 = [2, 3, 8, 4, 9, 5, 6]
list2 = [5, 6, 10, 17, 11, 2]
1. 用set方法(最简单)
list3 = list1 + list2
print(sorted(list(set(list3))))
2. 递归方法(略)
7 Pythonic的代码
题目:写出你认为最Pythonic的代码
Pythonic编程风格是Python追求的一种风格,精髓就是追求直观,简洁而容易读.
1. 交互变量
- 非pythonic
temp = a
a = b
b = temp
- pythonic
a, b = b, a
2. 判断其值真假
name = 'Tim'
langs = ['AS3', 'Lua', 'C']
info = {'name': 'Tim', 'sex': 'Male', 'age':23 }
- 非pythonic
if name != '' and len(langs)>0 and info !={}:
print('All True!')
- pythonic
if name and langs and info:
print('All True!')
3. 列表推导式
[x for x in range(1,100) if x%2==0]
4. zip创建键值对
keys = ['Name', 'Sex', 'Age']
values = ['Jack', 'Male', 23]
dict(zip(keys,values))
8 range 和 xrange
题目:说明range和xrange的区别
xrange用法与 range 都在循环时使用且用法相同,所不同的是xrange生成的不是一个list对象,而是一个生成器。因此要生成很大的数字序列的时候,用xrange会比range性能优很多,因为不需要一上来就开辟一块很大的内存空间。
9 迭代器和生成器
题目:将列表生成式中[]改成() 之后数据结构是否改变
答:是,从列表变为生成器。
通过列表生成式,可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含百万元素的列表,不仅是占用很大的内存空间,如:我们只需要访问前面的几个元素,后面大部分元素所占的空间都是浪费的。因此,没有必要创建完整的列表(节省大量内存空间)。在Python中,我们可以采用生成器:边循环,边计算的机制—>generator
10 *args 和 **kwargs
题目:说明*args 和 **kwargs的使用
1. *args 的使用
当你不确定你的函数里将要传递多少参数时你可以用*args.例如,它可以传递任意数量的参数:
>>> def print_everything(*args):
for count, thing in enumerate(args):
... print '{0}. {1}'.format(count, thing)
...
>>> print_everything('apple', 'banana', 'cabbage')
0. apple
1. banana
2. cabbage
2. **kwargs 的使用
**kwargs允许你使用没有事先定义的参数名:
>>> def table_things(**kwargs):
... for name, value in kwargs.items():
... print '{0} = {1}'.format(name, value)
...
>>> table_things(apple = 'fruit', cabbage = 'vegetable')
cabbage = vegetable
apple = fruit
3. 其他
- *args和**kwargs可以同时在函数的定义中,但是*args必须在**kwargs前面.
- 任何函数都可以用 universal_func(*args, **kwargs)表达
- 当调用函数时你也可以用*和**语法
def print_three_things(a, b, c):
print('a = {0}, b = {1}, c = {2}'.format(a,b,c))
mylist = ['aardvark', 'baboon', 'cat']
print_three_things(*mylist)
"""
a = aardvark, b = baboon, c = cat
"""
11 Python垃圾回收机制
题目:描述Python的垃圾回收机制
Python GC主要使用引用计数(reference counting)来跟踪和回收垃圾。在引用计数的基础上,通过“标记-清除”(mark and sweep)解决容器对象可能产生的循环引用问题,通过“分代回收”(generation collection)以空间换时间的方法提高垃圾回收效率。
1. 引用计数
PyObject是每个对象必有的内容,其中ob_refcnt就是做为引用计数。当一个对象有新的引用时,它的ob_refcnt就会增加,当引用它的对象被删除,它的ob_refcnt就会减少.引用计数为0时,该对象生命就结束了。
- 优点:简单、实时
- 缺点:维护引用计数消耗资源、循环引用
2. 标记-清除机制
基本思路是先按需分配,等到没有空闲内存的时候从寄存器和程序栈上的引用出发,遍历以对象为节点、以引用为边构成的图,把所有可以访问到的对象打上标记,然后清扫一遍内存空间,把所有没标记的对象释放。
3. 分代回收
分代回收的整体思想是:将系统中的所有内存块根据其存活时间划分为不同的集合,每个集合就成为一个“代”,垃圾收集频率随着“代”的存活时间的增大而减小,存活时间通常利用经过几次垃圾回收来度量。
Python默认定义了三代对象集合,索引数越大,对象存活时间越长。
举例: 当某些内存块M经过了3次垃圾收集的清洗之后还存活时,我们就将内存块M划到一个集合A中去,而新分配的内存都划分到集合B中去。当垃圾收集开始工作时,大多数情况都只对集合B进行垃圾回收,而对集合A进行垃圾回收要隔相当长一段时间后才进行,这就使得垃圾收集机制需要处理的内存少了,效率自然就提高了。在这个过程中,集合B中的某些内存块由于存活时间长而会被转移到集合A中,当然,集合A中实际上也存在一些垃圾,这些垃圾的回收会因为这种分代的机制而被延迟。
网友评论